[論文レビュー] Colourful Language: Measuring Word-Colour Associations

Saif M. Mohammad|arXiv (Cornell University)|Sep 20, 2013

Categorization, perception, and language参考文献 28被引用数 38

ひとこと要約

本論文では、大規模かつクラウドソーシングされた語-色関連語彙を提示しており、抽象的概念や感情が特定の色と強く関連していることを示している（例：危険は赤、喜びは黄色）。テキスト内での共起と極性の手がかりを用いて、教師あり学習のベースライン（33.3%）やランダム（9.1%）を大きく上回る60.1%の正確度を達成する自動手法を開発した。

ABSTRACT

Since many real-world concepts are associated with colour, for example danger with red, linguistic information is often complimented with the use of appropriate colours in information visualization and product marketing. Yet, there is no comprehensive resource that captures concept-colour associations. We present a method to create a large word-colour association lexicon by crowdsourcing. We focus especially on abstract concepts and emotions to show that even though they cannot be physically visualized, they too tend to have strong colour associations. Finally, we show how word-colour associations manifest themselves in language, and quantify usefulness of co-occurrence and polarity cues in automatically detecting colour associations.

研究の動機と目的

• 品質管理を伴うクラウドソーシングを用いた包括的かつ公開可能な語-色関連語彙の作成。
• 物理的形状を持たないにもかかわらず、抽象的概念や感情が強力で一貫性のある色関連を持つかどうかの調査。
• 語-色関連が、共起性やWordNetにおける意味的類似性といった言語的データにどのように現れるかの定量的分析。
• ラベル付き学習データを一切使用せずに、共起性と極性の手がかりのみを用いて語-色関連を予測する自動手法の開発と評価。

提案手法

• 語の意味を特定するための語選択質問を用いたクラウドソーシングによるデータ収集。これにより、被験者を適切な語の意味に導き、悪意ある貢献者を特定する。
• 関連付けラベルに使用する11色語（白、黒、赤、緑、青、黄、粉赤、オレンジ、茶、グレー、紫）の制御されたセットを採用。
• 語の意味を特定する質問をゴールスタンダードの検証として用い、信頼性の低い被験者をフィルタリングする品質管理を実施。
• 被験者間の合意度を測定することで、強い語-色リンクを同定。
• 3つのコーパス（BNC、GNC、GBC）における語-色関連の評価を、5-gramファイルと4語の文脈窓を用いた共起頻度で行った。
• Macquarie意味的傾向語彙（MSOL）からの極性手がかりを組み合わせ、語のカテゴリの極性に応じて肯定的または否定的色のセットを選択した。

実験結果

リサーチクエスチョン

• RQ1 抽象的概念や感情は、物理的形状を持たないにもかかわらず、どの程度強く一貫性のある色関連を持つのか。
• RQ2 語-色関連は、テキスト内での共起性やWordNetにおける意味的類似性といった言語的データにどのように現れるのか。
• RQ3 ラベル付きデータに依存せずに、共起性と極性の手がかりのみで語の最も関連の強い色を高精度に予測できるか。
• RQ4 BNC、GNC、GBCコーパスにおける色関連の頻度分布は、BerlinとKayの基本色語階層とどの程度一致するか。

主な発見

• 1,000語の32%以上、177のMacquarie Thesaurusのカテゴリの33%以上が、11色のうちの1つと強く関連している。
• 物理的実体と同様に、抽象的概念や感情も色関連を持つ頻度が高く、怒りは赤、喜びは黄色と強く関連している。
• 共起性はWordNet類似度よりも語-色関連の指標として強く、GBCコーパスでは共起性のみで38.3%の正確度を達成した。
• 極性手がかり（肯定的/否定的語カテゴリ）を組み合わせることで、GBCコーパスにおける予測正確度が60.1%に向上し、共起性のみ（38.3%）やベースライン手法を顕著に上回った。
• BNC、GNC、GBCコーパスにおける色関連の頻度順位は、BerlinとKayの基本色語の普遍的階層とよく一致している。
• 共起性と極性に依存する自動手法は、GBCコーパスで60.1%の正確度を達成し、ランダムベースライン（9.1%）と教師ありベースライン（33.3%）を上回った。